Yapay sinir ağları kullanarak öğretmen adaylarının akademik başarıları üzerinde psikolojik sağlamlık kabiliyetinin etkilerinin modellenmesi
Modeling the effects of resilience ability on pre-service teachers' academic success using artificial neural networks
- Tez No: 915871
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA SERKAN ÖZTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Eğitim ve Öğretim, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Eğitim Bilimleri Enstitüsü
- Ana Bilim Dalı: Yabancı Diller Eğitimi Ana Bilim Dalı
- Bilim Dalı: İngiliz Dili Eğitimi Bilim Dalı
- Sayfa Sayısı: 90
Özet
Bu araştırmanın temel amacı, Necmettin Erbakan Üniversitesi İngilizce öğretmenliği bölümü üçüncü sınıfta öğrenim gören öğretmen adaylarının ağırlıklı genel not ortalamalarını, iki farklı beş puanlı Likert tipi ölçekten elde edilen veriler kullanılarak yapay sinir ağlarıyla modellemektir. Nicel araştırma yöntemi olan korelasyonel desenin kullanıldığı çalışmada 87 öğretmen adayının ölçeklere verdiği cevaplar ile ağırlıklı genel not ortalamaları arasında anlamlı bir ilişki olup olmadığı araştırılmıştır. Çalışmada, öğretmen adaylarından ölçekler aracılığı ile toplanan veriler MATLAB yapay sinir ağları modülüne girdi parametresi olarak, adayların ağırlıklı genel not ortalamaları çıktı parametresi olarak tanımlanmıştır. Modelleme öncesi, SPSS programı ile verilere ait z ve t puanları hesaplanarak analize uygun hale getirilmiş ardından normalizasyon işlemi uygulanmıştır. Elde edilen veriler ile yapay sinir ağları ile yapılan modelleme için modelin eğitilmesi, doğrulanması ve test işlemleri gerçekleştirilmiştir. Modelin iyi eğitilmesi, adaylara ait ağırlıklı genel not ortalamasının başarılı bir şekilde tahmin edilmesine imkan sağlamıştır. Araştırmada yapılan modellemenin sonuçları incelendiğinde, öğretmen adaylarına ait ağırlıklı not ortalaması tahminleri düşük hata değerleriyle tahmin edilmiştir. Ölçeklere ait yapay sinir ağı modellemesi ortalama karesel hata değerleri 0,0001 olarak bulunmuştur. Bulgular dikkate alındığında çalışmadaki modelleme politika yapıcılar ve akademisyenlere önemli katkılar sunmaktadır. Politika yapıcılar için kaynak yönetimi, eğitim politikalarının verimliliğini artırma, sürdürülebilir stratejiler geliştirme ve dezavantajlı bölgeler için yerel müdahale imkanı sağlama gibi faydalar sağlamaktadır. Akademisyenler açısından ise öğrenci performansını etkileyen faktörleri belirleyerek strateji geliştirme, risk altındaki öğrencileri erken tespit etme, bireysel destek planları oluşturma ve başarı farklarını en aza indirme gibi yönlendirmeler sunmaktadır.
Özet (Çeviri)
The main purpose of this research is to model the cumulative grade point averages (CGPAs) of third-year teacher candidates studying in the English Language Teaching department at Necmettin Erbakan University using artificial neural networks, based on data obtained from two different five-point Likert-type scales. In the study, which used the correlational design, a quantitative research method, the responses of 87 teacher candidates to the scales were examined to determine whether there was a significant relationship between their responses and their cumulative grade point averages. In the study, the data collected from teacher candidates through scales were defined as the input parameter to the MATLAB artificial neural networks module, while the candidates' cumulative grade point averages were defined as the output parameter. Before modeling, z and t scores of the data were calculated using the SPSS program to make them suitable for analysis, and then normalization was applied. With the obtained data, the model was trained, validated, and tested using artificial neural networks for modeling. The good training of the model has enabled the successful prediction of the cumulative grade point average of the candidates. When the results of the modeling conducted in the study are examined, it is observed that the cumulative grade point average predictions for teacher candidates were estimated with low error values. The mean squared error values for the artificial neural network modeling of the scales were found to be 0.0001. Considering the findings, the modeling in this study offers significant contributions to policymakers and academics. For policymakers, it provides benefits such as resource management, enhancing the efficiency of education policies, developing sustainable strategies, and enabling local interventions for disadvantaged regions. For academics, it offers guidance in identifying factors affecting student performance, developing strategies, detecting at-risk students early, creating individual support plans, and minimizing achievement gaps.
Benzer Tezler
- Yapay sinir ağları ve lojistik regresyon analizi yaklaşımları ile öğretmen adaylarının akademik başarılarının tahmini
Prediction of student teachers' academic success with logistic regression analysis and artificial neural networks methods
ELİF BAHADIR
Doktora
Türkçe
2013
Eğitim ve ÖğretimMarmara Üniversitesiİlköğretim Ana Bilim Dalı
DOÇ. DR. AHMET ŞÜKRÜ ÖZDEMİR
- Sınıf Öğretmeni Adaylarının Fen ve Teknoloji Öğretimi Ders Başarılarının Yapay Sinir Ağları ile Modellenmesi
Modeling of Science and Technology Teaching Course Achievements of Elementary Teacher Candidates with Artificial Neural Networks
ERGÜN AKGÜN
Doktora
Türkçe
2017
Eğitim ve ÖğretimKütahya Dumlupınar ÜniversitesiTemel Eğitim Ana Bilim Dalı
DOÇ. DR. METİN DEMİR
- VISUAL prolog programı ve zeki öğretim sistemleri
VISUAL prolog programmming and intelligent tutoring system
GÖKHAN KARAOSMANOĞLU
Yüksek Lisans
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHaliç ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. MURAT BEKEN
- Fen bilgisi öğretmen adaylarının enerji konusuna ilişkin temellendirilmiş zihinsel modellerinin tespiti ve derin sinir ağları ile sınıflandırılması
The determination of pre-service science teachers' grounded mental models on energy and classification with deep neural networks
ÖMER VOLKAN YAZ
Doktora
Türkçe
2022
Eğitim ve ÖğretimKastamonu ÜniversitesiMatematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı
PROF. DR. MEHMET ALTAN KURNAZ
- Lightweight facial expression recognition systems for social robots
Sosyal robotlar için hafif ağırlıklı yüz ifadesi tanıma sistemleri
ERHAN BİÇER
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE